【于思專欄】下一代實證醫學，挑戰老醫師！(4)

老醫師面對新興的醫學相關科學，要重新學習，顯得十分吃力；不重新學習，幾乎已經成為醫學的「門外漢」了，對如何照顧治療病人，絕對是巨大的挑戰。作者分享了他對臨床試驗和實證醫學未來的啟發式願景。這是一篇非常重要的大文章，《銳傳媒》將分次向大家介紹。

文 / 于思 綜合報導

人工智能在醫學領域的格局最近發生了變化，人工智能有望變得無處不在。一些 RCT 已經量化了人工智能在使用圖像模式識別和解釋的專業中的好處，例如放射學（乳房 X 光檢查和肺癌篩查）、心臟病學（解釋心電圖 (EKG)、心臟功能評估和心房顫動篩查）、胃腸病學（解釋結腸鏡檢查）、病理學（癌症診斷）、神經學（跟踪肌萎縮側索硬化和帕金森病的疾病演變）、皮膚病學（診斷病變）和眼科學（眼病篩查）。然而，大多數人工智能研究側重於「臨床護理提供」應用，而不是「臨床試驗研究」。

將 AI 整合到臨床試驗研究中的速度比預期的要慢，這主要是由於 AI 與人類智能之間的（感知到的）摩擦。然而，應該進行數據生成和解釋的試驗，並且應該使用 AI 來增強人類智能——而不是將其視為替代它的東西。使用 AI 的下一代臨床試驗應該考慮 AI + 人類而不是 AI 與人類的場景。協議的臨床試驗指南（標準協議項目：介入試驗的建議——人工智能 (SPIRIT-AI) 擴展）和出版物（報告試驗的統一標準——人工智能 (CONSORT-AI)擴展）旨在實現涉及人工智能的隨機臨床試驗的標準化和透明報告，而這些僅僅是臨床研究現代化新階段的開始。

考慮到開發藥物所涉及的時間和成本，市場上每一種失敗的藥物都對藥物開發生態系統造成了相當大的損失。此外，劣質的試驗設計、次優的病人招募、運行試驗的基礎設施薄弱以及試驗實施和監測的低效率已經困擾了該系統數十年。人工智能有可能增強藥物開發的所有階段，從藥物設計到完整的藥物開發週期。

臨床試驗的實施在許多方面仍處於初級階段。例如，在腫瘤學試驗中，二維病變的一些方面會隨著時間的推移進行測量和跟踪，並通過這些病變的收縮來評估藥物的有效性。自動定量評估和人工神經網絡可以幫助自動快速處理多個病變81。在心髒病學試驗中，生命體徵每週在診所測量一次，而在神經病學中，病人問卷是在診所進行的。現在，這些數據都可以使用可穿戴傳感器技術實時動態跟踪。人工智能在這些領域的應用可能會產生近期的變革性影響。此外，使用深度神經網絡的模式識別可以幫助閱讀掃描、病理圖像和心電圖等。

目前的實證醫學金字塔代表了冰山一角，幾乎沒有提供淺顯證據來照顧普通病人。因此，需要對所有可用數據進行深度綜合和合併，以實現下一代「深度」實證醫學。未來二十年的主要挑戰將是通過提取、整理和挖掘大量自然歷史數據、基因組學和所有其他組學分析、所有已發表的臨床研究、RWD、來自無處不在的智能係統的數據來挖掘多維證據生成的潛力設備和從 IoMT 收集的數據，為深度醫學提供下一代證據。

藥物開發夥伴關係

目前，製藥行業是藥物開發的主要驅動力，其支出遠遠超過美國國立衛生研究院等任何國家機構的投資。臨床試驗有兩個領域。第一個來自「大型製藥公司」，它使用 CRO 進行試驗；此類試驗通常會被 FDA 批准註冊。第二個領域包括學術臨床試驗，通常在非常有限的預算下進行，不經常評估新化合物，因此很少導致 FDA 註冊。在這個聯邦研究經費減少的時代，藥物開發需要更多的合作夥伴關係。學術中心和社區網站對於病人註冊至關重要；然而，孤立的心態影響了藥物開發並延遲了獲得救生療法的機會。因此，特定疾病組織、學術機構、聯邦機構和病人權益團體之間的合作對於改善人群健康至關重要。由於製藥行業不願在財務回報有限的情況下進行巨額投資，尤其是在罕見病領域，聯邦機構制定了激勵罕見病藥物開發的計劃。此外，以疾病為重點的組織已與製藥業、聯邦機構和學術界合作，形成「風險慈善事業」，採用風險分擔財務模型來降低藥物開發風險。許多學術機構正在與製藥行業建立風險共擔戰略聯盟，以在臨床前和臨床開發階段開展合作。這種成功的創新夥伴關係模式在囊性纖維化、多發性骨髓瘤、1 型糖尿病和其他罕見病等疾病領域開創了先例1. 這些合作在藥物開發的所有階段都有效地促進了創新，並為維持和促進更多此類項目提供了令人信服的理由。

社交媒體和在線社區研究

社交媒體渠道（Twitter、Facebook 等）可以影響臨床試驗中的病人招募。他們可以強烈影響和解決歷史上的臨床試驗挑戰，包括病人和醫生對可用試驗缺乏認識以及缺乏社區參與。全球有超過 44.8 億人使用社交媒體，這一數字預計到 2027 年將增加到近 60 億。超過 70% 的美國人使用社交媒體，包括農村居民以及在臨床試驗中一直未被充分代表的青少年和年輕人。儘管許多老年人不使用社交媒體，但他們的護理人員可能會使用。

身患絕症的人通常會自行嘗試藥物，在線病人社區可以提供共享和監測此類藥物使用情況的環境。這可以允許圍繞基於互聯網的定量結果數據來計劃觀察性研究。例如，研究人員開發了一種算法來分析肌萎縮側索硬化症病人在 PatientsLikeMe 網站上報告的數據，這些病人試驗過碳酸鋰治療。該分析得出了與隨後的 RCT 相同的結論，表明來自在線病人行為的數據有助於加速藥物開發並評估已在使用的藥物的有效性。

增加病人和病人權益保護團體的參與度有助於病人教育和外聯，促進病人合作研究，並允許將病人的觀點納入臨床研究設計——最終產生由需求驅動的研究患有這種疾病的真實人物正在接受調查。此外，社交媒體打破了分隔研究人員和臨床醫生的孤島，創造了影響所有醫學領域的巨大潛力。

每一種重大疾病都需要一個「Moonshot」計劃

未來臨床試驗的成功需要對試驗的設計、實施、監測、調整、報告和監管方式進行根本性轉變，以產生最佳證據。現狀模式是不可持續的。相反，需要預防性、個性化、務實和病人參與的醫學，並且需要範式轉變才能通過可持續增長實現這一目標。筒倉需要被打破。目前在不同領域看待護理標準和臨床試驗；然而，兩者的首要目標都是改善健康結果。COVID-19 大流行創造了一個機會來觀察常規臨床護理和臨床試驗如何協同工作以產生證據。 RECOVERY 試驗等實用平台試驗應成為試驗效率和實時影響的模型和指南。

當前的範式必須不斷受到新興技術和所有利益相關者（新一代科學家、醫生、製藥行業、監管機構，最重要的是病人）的挑戰。顛覆性創新應使每個臨床站點都成為研究站點，將所有必要的質量檢查和研究作為護理標準的一部分。醫療保健系統應集成到直觀的 RWE 生成系統中，臨床研究和臨床護理齊頭並進。除了天才的臨時創意閃光（大流行所必需）之外，還需要持續的動力來利用從「曲速行動」（由美國政府發起以加速 COVID-19 疫苗開發）等計劃中獲得的知識。每一種重大疾病都需要一個「Moonshot」計劃，每一種罕見疾病都應該有一個「曲速行動」——兩者都有明確的、可持續的目標，以改善人口健康並解決公平、多樣性和全球獲得治療的問題。方法學的進步和未來基於人工智能的所有數據分析將為實現個性化醫療的目標提供深刻的證據——即在正確的時間為正確的病人提供正確的治療。(全文完)